2028年、インドのプネにある病院の管理者が、米国のクラウドプロバイダーがホストする基盤モデル上に構築された診断AIツールを運用している姿を想像してほしい。ある日突然、価格体系が変わったり、輸出規制の更新によって最新の推論チップを入手できる国が制限されたりする。そして、代替となるベンダーが存在しない。これは仮想的な極端なケースではない。インドのAIに依存する機関の大部分が、すでに置かれている現実に近いのだ。
インドはこれまでに何度も、AIの時代が到来したと告げられてきた。GPUの数は増加しており、国家AIミッション（IndiaAI Mission）は各機関がより手頃な料金でアクセスできるよう支援している。データセンター建設の約束がニュースのヘッドラインを飾る。政府関係者は、全国で決済と身元確認をデジタル化したプラットフォームである「アドハー（Aadhaar）」を、インドが人口規模のプラットフォームを構築する方法を知っている証拠としてよく引き合いに出す。それはすべて真実だが、筆者が実際に重要だと考えるAIスタックのレイヤーにはどれも触れていない。
華々しい発表を剥ぎ取り、機能しているAI産業に本当に必要なものを見てみよう。それは、高度なアクセラレーター（チップ）、それらを最先端ノードで製造できるファウンドリ、モデルのトレーニングと提供を行うハイパースケールクラウドクラスター、真の実力を備えたフロンティア基盤モデル、そして、成果が出るまでの何年もの赤字をいとわず資金を供給する忍耐強いリスク資本（ペイシャント・キャピタル）である。
世界のAIサプライチェーンは権力を集中させている。台湾のファウンドリ、米中のアクセラレーター設計、そして政府や企業にAIを提供する一握りのハイパースケーラーだ。インドはクラウド分野で意義ある活動を展開している。しかし、米国政府が国家安全保障上の懸念を理由に、Anthropicに対して外国籍者による高度なAIモデルへのアクセス停止を命じたことを受け、ソブリンAI（主権AI）をめぐる議論が再燃しているように見える。
このAIスタック上に構築されたインドの官民の機能における川上の依存関係を解消するために、できることはまだ多い。それらに対処しないことこそが、議論がしばしば誤った方向へと進む原因となっている。
インドはいかにアクセスを支援しているか
IndiaAI Missionを見てみよう。インド政府は同国のAIエコシステムに1037億2000万ルピー（約11億ドル（約1710億円））を投資している。コンピュートの柱では3万8000基を超えるGPUがオンボードされ、一部のコンピュート料金は1時間あたり65ルピー（1ドル（約1万未満円）未満）という低さである。国家は実質的に、国際市場なら本来請求するであろう水準より安くコンピュート資源を貸し出している。
対照的に、アラスカ永久基金（Alaska Permanent Fund）のようなプログラムを考えてみたい。同基金は、Investopediaによれば「アラスカ州の石油・ガス埋蔵量から生じる余剰収入を管理し、資格のある住民に年次配当を支払う」ものだ。州はそのプログラムの下にあるものを所有している。これをIndiaAI Missionと比べると、経済性は逆転している。一方（アラスカ）は余剰を分配し、もう一方（インド）はコストを吸収しているのだ。
半導体の数字を見れば、これが具体的になる。インドは今でも、国内で消費するチップの90〜95%を輸入している一方、世界の製造業付加価値に占める割合はわずか3.2%にすぎない。インドの「半導体ミッション2.0（Semiconductor Mission 2.0）」は本格的なコミットメントだ。先端製造に焦点を当て、政府は2029年までに「国内用途のほぼ70〜75%に必要なチップを設計・製造する能力を達成する」ことを見込んでいる。しかし、これまでに発表された生産能力の中に、フロンティアモデルをトレーニングする最先端ノードに達しているものはまだない。その製造は依然として台湾、そして規模は劣るものの韓国と米国に存在している。
AI資本のギャップ
これに国際通貨基金（IMF）自身の診断を重ねる必要がある。AI主導の生産性向上は、先進国、新興国、低所得国の間で不均一に広がっている。インドは新興国の階層に位置する。収益が発生する前の何年もの赤字期間を通じて基盤モデルの研究室（ラボ）に資金を供給するような忍耐強いリスク資本は、不釣り合いなほど米国と中国の企業に流れ込んでいる。
規模のギャップは、インフラだけでなく民間資本において最も鮮明に表れる。スタンフォード大学の2025年版「AIインデックス」によれば、米国の民間AI投資は2024年だけで1091億ドル（約16兆9000億円）に達した。これは中国の93億ドル（約1兆4400億円）の約12倍、そして同年にスタンフォード大学が11億6000万ドル（約1800億円）と算出したインドの数字の約90倍にのぼる。2013年からの累積では、米国は民間AI投資に4700億ドル（約72兆9000億円）を投じてきたが、それと比較すると、インドの累積投資額は112億9000万ドル（約1兆7500億円）と、四捨五入の誤差の範囲にとどまっている。（完全版レポートの閲覧にはダウンロードが必要）
インド国内のベンチャーキャピタル（VC）投資全体に占めるAIの割合は2020年以降で2倍以上に増加した。しかし、インドのVC投資の総額は、2024年から2025年にかけて年間約100億ドル（約1兆5500億円）と、ほぼ横ばいで推移した。一方で、北米のAIスタートアップだけでも、はるかに巨大な世界のリスク資本プールの半分以上を吸収している。
筆者が言いたいのは、補助金付きのコンピュートは、基盤モデル研究所が1ドル（約1万未満円）の収益を得る前に何年も資金を燃やし続けることを可能にする、厚みのある忍耐強いベンチャー資本やソブリン資本の代替にはならないということだ。
リーダーへの教訓
ここで議論の焦点を移す必要がある。これは主として、AI競争で誰が「勝つ」かという競争力の話ではない。インドにおいては、保険会社、公的銀行、病院ネットワーク、福祉行政が機能するために依存するインプットを誰が支配するのかというガバナンスの話である。
海外の基盤モデルを中心に業務を構築したインドの機関は、そのベンダーが値上げをしたり、モデルの提供を停止したり、新たな輸出規制に直面したり、チップアクセスをめぐる地政学的紛争に巻き込まれたりした場合、現実的な対抗手段を持たない。こうした依存関係は、平時には不可視であることが多いが、危機発生時には破滅的な結果をもたらす可能性がある。
インドは、GPUの数やデータセンター建設の約束、チャットボットの発表イベントなどでAIの進歩を測るのをやめるべきだ。より適切な指標は、必要が生じた場合に病院システムがどれほど迅速にAIベンダーを切り替えられるか、インドでのAI導入が生み出す価値のうちどれほどが、海外へのライセンス料として支払われるのではなく実際にインド企業にとどまるか、そして、インドの機関がサプライヤーとの交渉において、他人の条件で他人の技術にアクセスしやすくなるだけでなく真の交渉力を構築できているか、である。
ビジネスリーダーは、AIベンダーの集中度を監査し、どの中核業務が単一の海外モデルやチップサプライヤーに依存しているかを洗い出し、そのうえで具体的な分散目標を設定すべきである。実務上は、重要機能ごとに少なくとも1社の代替ベンダーを認定し、データポータビリティ条項を事前に交渉し、依存が不可逆になる前にマルチクラウドまたはマルチモデルの冗長性に予算を配分することを意味する。
